vllm-project/vllm

新增 Gemma4 MTP 验收率测试并修复 3 个 bug

建议所有使用 Gemma4 MTP 的开发者 review 此 PR，特别是采样位置修复部分。测试框架的泛化设计值得学习，可复用于未来新增的推测模型。

修复 Humming MoE 非门控专家形状假设

本 PR 值得精读，因为它展示了如何在已有的门控假设后端中安全地引入非门控支持，通过 `is_gated` 属性做条件分支，并配套形状契约测试确保正确性。对于 MoE 量化后端的开发者具有参考价值。

修复 MQA 在 TP>1 时 split 错误，新增 PackedQKVFuser

建议阅读本 PR 以了解 Transformers 后端的 fuser 设计模式，特别是 `PackedQKVFuser.match` 和 `update_forward` 中的 AST 重写技巧，以及基类重构的分层思路。对于维护或扩展现有 StackedFuser 子类的开发者，需关注 `RewriteFuser` 的 `fuse` 方法行为是否与预期一致。

修复 Quark GLM-5.2 加载与 ROCm 稀疏 MLA 元数据崩溃

值得精读。这是“共享 forward 重构遗漏后端同步”的典型修复，`supports_dense_mha_prefill` 能力标志模式可以迁移到其他能力检测场景；同时展示了多贡献者合并重复 PR、保留回归测试归属的协作流程。建议关注后续 ROCm aiter sparse MLA 的 dense-MHA prefill follow-up，以及 #49275 对 NVFP4 MTP 加载问题的补充修复。

调整 MXFP4 测试参考值至 12.45

简单查看即可，无需深入。这是一个典型的数值回退测试调整，值得注意的设计决策是更新期望值，而不是降低容差或禁用测试。这保持了 CI 的可信度。

修复 DeepEP FP8 测试权重依赖随机内容

无需精读，可直接合并。这是一个 CI 稳定性修复，设计简单，值得类似测试编写者借鉴（避免 `torch.empty` 依赖全量内容）。

重构 INT8 MoE 路径，集成 oracle 后端选择

这份 PR 是 oracle 重构系列的重要一环，适合以下角色精读： - **框架开发者**：学习如何在现有 MoE 方法中集成 oracle 选择机制，以及如何优雅处理重构中的行为保持要求。 - **ROCm 平台工程师**：了解如何为新硬件扩展量化方案支持（`_supports_quant_scheme`）。 - **QA & CI 负责**：参考 test_int8_moe_oracle.py 的测试设计原则（平台无关、仅测试选择逻辑不启动内核）。 - **架构师**：关注 static-activation INT8 路径的遗留问题及后续迁移计划。

删除 22 个文件中 519 行未使用代码

建议精读涉及的核心文件（如 `minimax_m3.py`、`radio.py`、`modelopt.py`）以了解仓库中废弃代码的典型模式，并作为后续清理工作的参考。